响应面法和神经网络优化Acinetobacter sp. DNS32发酵基质

• 作者: 孟冬芳 张颖 王志刚 王洋 王溪 郭火生
• 来源期刊: 环境工程学报
• 学科: 地球科学
• 关键词: 阿特拉津降解菌DNS32 发酵培养基 响应面法 人工神经网络 遗传算法 优化
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 环境生物技术
• 页码范围: 791-795
• 分类号: X172
• 语种: 中文

摘要

为了提高阿特拉津降解菌Acinetobacter sp.DNS32的产量,分别采用响应曲面法和基于人工神经网络的遗传算法对阿特拉津降解菌DNS32发酵培养基中3个重要基质成分(玉米粉、豆饼粉、K2HPO4)进行优化研究.响应曲面法确定3种成分的含量为玉米粉39.494 g/L,豆饼粉25.638 g/L和K2HPO43.265 g/L时,预测发酵活菌最大生物量为7.079×l08 CFU/mL,实测量为7.194×108CFU/mL;人工神经网络结合遗传算法优化确定3种主要成分含量为玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2 HPO4为2.624 g/L时,预测最大值为7.199×108 CFU/mL,实测量为7.244×l08 CFU/mL;最终确定培养基配方:玉米粉为39.650 g/L,豆饼粉为25.500 g/L,K2HPO4为2.624 g/L,CaCO3为3.000 g/L,MgSO4·7H20和NaCI均为0.200 g/L;优化后阿特拉津降解菌DNS32发酵生物量比优化前提高了36.6％.结果表明,在阿特拉津降解菌DNS32发酵培养基组分优化方面,响应面法和基于人工神经网络的遗传算法都是可行的,基于人工神经网络的遗传算法具有更好的拟合度和预测准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张颖	东北农业大学资源与环境学院	155	1305	19.0	28.0
2	王志刚	东北农业大学资源与环境学院	13	92	7.0	8.0
3	王洋	东北农业大学资源与环境学院	50	232	9.0	13.0
4	王溪	东北农业大学资源与环境学院	4	17	3.0	4.0
5	郭火生	东北农业大学资源与环境学院	4	35	3.0	4.0
6	孟冬芳	东北农业大学资源与环境学院	3	30	3.0	3.0